A Inteligência Artificial, tão em moda atualmente, tem suas raízes no século XX, mais precisamente entre as décadas de 50 e 60, quando tentou-se modelar e desenvolver técnicas matemáticas e computacionais que tivessem habilidades cognitivas similares às nossas e que fossem capazes de aprender com dados e aplicar o conhecimento aprendido na solução de problemas simples. Assim como as sinapses que ocorrem naturalmente em nossos cérebros nos fazem raciocinar, essa busca por modelar o raciocínio, a memória e a inteligência humana e fazer com que um cérebro artificial fosse capaz de ter sinapses foi sempre um desejo de cientistas, pesquisadores, matemáticos e neurofisiologistas. Afinal, ter uma máquina dotada de inteligência como aliada poderia, em teoria, resolver inúmeros desafios, os quais as habilidades humanas não seriam capazes de solucionar.
Ainda no começo dos anos 2000, a Inteligência Artificial ainda era uma ideia distante em rodas de pesquisa acadêmicas, ou até mesmo assunto de ficção científica, principalmente devido à limitação de capacidade de processamento e custos proibitivos de computadores de alto desempenho, capazes de executar algoritmos de treinamentos de máquina com quantidades massivas de dados e modelos complexos. Ao longo dos 20 anos seguintes, houve avanços significativos na facilidade de acesso e diminuição de custo de processamento – principalmente pela popularização da computação em nuvem- , o que tornou viável a aplicação dos algoritmos de aprendizado de máquina mais complexos, tais como Deep Learning, que, por sua vez, tem cada vez mais democratizado os benefícios da Inteligência Artificial.
Atualmente, a IA está tão presente no folclore popular que transformou-se da SkyNet do filme hollywodiano Exterminador do Futuro, para ser uma exterminadora de empregos, como por exemplo, a ampla aplicação do ChatGPT da empresa OpenAI, que traz calafrios para algumas profissões. Entretanto, para uma bem-sucedida aplicação da IA há desafios que vão desde o seu correto treinamento sem vieses, até a barreira cultural de algumas organizações, que preferem não evoluir processos que, na sua percepção correta, estão funcionando, ainda que carentes de eficiência ou produtividade.
No que tange a gestão de ativos, um caso de sucesso exemplar é a aplicação da IA e da Visão Computacional para o mapeamento de ativos de energia elétrica, que é um projeto em execução em diversas concessionárias de distribuição de energia no Brasil. A solução consiste em um equipamento, composto por câmeras de alta definição, GPS e outros hardwares, que é montado no topo de automóveis. Esses veículos percorrem as ruas da cidade, capturando as imagens de toda rede de distribuição de energia, como postes, transformadores, cabos e lâmpadas. Por sua vez, um software dotado de IA faz o processamento automático destas imagens e identifica todos os ativos da rede elétrica, até o nível de potência de cada lâmpada da iluminação pública de uma cidade inteira. O resultado final deste mapeamento é um inventário realizado até 100 vezes mais rápido e fidedigno de todos os ativos da distribuidora de energia elétrica.
Porém nem todo problema demanda uma solução de IA, modelos estatísticos tradicionais podem – e devem – ser aplicados com bons resultados. De fato, existe um burburinho de que as empresas precisam aplicar a Inteligência Artificial como se fosse exigência para não serem taxadas de obsoletas, como se a IA fosse o Santo Graal que iria solucionar ou ameaçar a humanidade. Em alguns casos mais simples, ter processos eficientes e indicadores de desempenho claros já é um avanço. Para a IA de fato gerar valor, alguns requisitos básicos precisam ser mapeados, como a definição clara dos objetivos, a(s) tecnologia(s) que será(ão) utilizadas, o impacto no processo atual e qual o retorno do investimento da tecnologia. Muitas vezes, toma-se a decisão de se investir em um projeto de IA pela inovação, porém com retorno econômico duvidoso.
Não podemos deixar de mencionar a importância do comprometimento da alta liderança das instituições que buscam extrair o potencial de geração de valor da aplicação da IA, deixando claro os impactos nos processos e de como ficará a nova configuração dos mesmos e das pessoas envolvidas, de forma a não gerar insegurança sobre a substituição das mesmas pela IA.
Parodiando a Física e seu conceito de inércia, que postula que todo corpo que está em repouso ou em movimento retilíneo uniforme permanece parado ou manterá seu movimento até que uma força externa atue sobre ele, é mais fácil uma empresa não fazer nada ou manter um modus operandi executado há anos, do que buscar uma evolução (ou revolução) com a aplicação da IA. Para a Inteligência Artificial gerar valor, é desejável que exista além de uma decisão estratégica, um movimento de toda companhia, com um plano de gestão da mudança bem elaborado. Afinal, inovar neste caso, é tornar o processo mais eficiente e gerar valor para o mercado.
André Sih, Managing Partner da Fu2re Smart Solutions, e Jardel Pinto, Gerente de estratégia de manutenção e confiabilidade de equipamentos MODEC & VP de Value Assurance da Shape Digital.
